ریکرسیو سپر انٹیلی جنس نے پہلا خودکار AI تحقیقی نظام منظر عام پر لایا

کچھ دن پہلے، Anthropic نے "جب AI خود کو بناتا ہے" کے عنوان سے ایک مضمون جاری کیا، جس نے فوری طور پر وسیع بحث کو جنم دیا۔ اس مضمون میں ایک حیرت انگیز اندر کا ڈیٹا ظاہر ہوا: 2026 کے مئی تک، Anthropic کے کوڈ بیس میں 80% سے زائد کوڈ Claude نے لکھا ہے، اور انجینئرز کی روزانہ مرج کردہ کوڈ کی مقدار 2024 کے مقابلے میں 8 گنا ہے؛ ایک اندر کے ٹیسٹ میں، Claude نے ایک تربیتی کوڈ کے عمل کی رفتار کو بنیادی سطح سے تقریباً 52 گنا بڑھا دیا، جبکہ ایک تجربہ کار انسانی ریسرچر عام طور پر 4 سے 8 گھنٹے لگا کر صرف 4 گنا تیزی حاصل کرتا ہے۔

اینٹروپک اس راستے کو ایک گہرے مقصد کی طرف اشارہ کرتی ہے: "recur­sive self-improvement" — AI سسٹم اپنے اگلے ورژن کو خود ڈیزائن، تعمیر اور ٹرین کرتا ہے، جبکہ انسان ہر مرحلے پر کنٹرول نہیں کرتے۔ قابل توجہ بات یہ ہے کہ کمپنی صنعت کے ساتھ تعاون کا بھی مطالبہ کرتی ہے تاکہ ریکرسیو سیلف ایمپروومنٹ کے وقت آنے پر سامنے والے AI ترقی کو روکنے یا عارضی طور پر روکنے کا آپشن موجود ہو۔ اور اینٹروپک پہلے ہی ایسا کر رہی ہے: نئے ترین Claude Fable 5 کو سامنے والے AI ترقی کے لیے استعمال سے روک دیا گیا ہے۔

اور اب، Recursive Superintelligence نے خودکار AI تحقیق کی طرف پہلا قدم رکھا ہے۔

ایک نئی کمپنی جس کی ٹین یوانڈونگ کے ساتھ مشترکہ بنیاد رکھی گئی تھی، صرف ایک ماہ قبل اپنے پوشیدہ مراحل ختم کر چکی ہے اور اب اپنا پہلا علیحدہ ٹیکنالوجی کا نتیجہ جاری کر چکی ہے۔ انہوں نے ایک کھلا خودکار علم کی دریافت نظام تیار کیا ہے اور تین بنیادی ٹیسٹوں پر SOTA نتائج حاصل کیے ہیں۔ آسان الفاظ میں، وہ اس میں کامیاب ہو گئے ہیں کہ AI آپ کے لیے تجربات چلائے۔

https://x.com/tydsh/status/2065062838255649082

Recursive یہ پہلا علیحدہ ٹیکنالوجی کا نتیجہ «آٹومیٹڈ AI ریسرچ کی طرف پہلے قدم» کے نام سے جانا جاتا ہے۔

https://x.com/Recursive_SI/status/2064980090702962699

رپوزٹری کا پتہ: https://github.com/recursive-org/first-steps-toward-automated-ai-research

بلاگ کا پتہ: https://www.recursive.com/articles/first-steps-toward-automated-ai-research

اگر ایک جملے میں خلاصہ کیا جائے تو، اس کام کا مرکزی نقطہ یہ ہے کہ ایک ایسا نظام تعمیر کیا گیا جو AI تحقیق کے حلقوں کو خودکار طور پر آگے بڑھاتا ہے اور تین بنچ مارکس پر نئے ریکارڈ قائم کیے۔

آفسیل ڈیسٹرکشن سے پہلے، اس سسٹم کے ڈیزائن کے منطق کو سمجھنا ضروری ہے۔

سنتی AI تحقیق کا عمل ایک انتہائی انسانی تعاون پر منحصر «خیال ترتیب دینا — کوڈ لکھنا — تجربہ کرنا — نتائج کا تجزیہ کرنا — دوبارہ خیال ترتیب دینا» کا بند حلقة ہے۔ اس کی کارکردگی کی پابندی کمپوٹنگ طاقت میں نہیں، بلکہ انسانوں میں ہے۔ دنیا بھر میں صرف کچھ ہی تحقیق دان اگری ٹریننگ عمل کا ڈیزائن کر سکتے ہیں، اور ہر تجرباتی دوہرائی کے لیے ان کا شدید تعاون درکار ہوتا ہے۔

ریکرسیو کا سسٹم اس سیکھنے والے چکر کو آٹومیٹ کرنے کی کوشش کر رہا ہے۔

اس کا طریقہ کار یہ ہے کہ ایک واضح بہتری کا مقصد ہوتا ہے، جس کے تحت سسٹم خودکار طور پر تجربات کے خیالات پیش کرتا ہے، کوڈ تیار کرتا ہے، تصدیق کے لیے چلاتا ہے، سیکھتا ہے، اور پھر اگلے قدم کا فیصلہ کرتا ہے۔ متعدد تحقیقی راستے одно وقت میں آگے بڑھ سکتے ہیں، اور موثر دریافتوں کو مختلف کاموں میں دوبارہ استعمال کیا جا سکتا ہے، جبکہ انعام کے غلط استعمال (reward hacking) کی تشخیص کا نظام پورے حلقوں میں گھلایا گیا ہے تاکہ سسٹم "آسان راستہ" اختیار نہ کر کے تجزیاتی اشاریوں کو بڑھائے بغیر کچھ بھی بہتر نہ بنائے۔

یہ صرف ایک مخصوص مسئلے کے لیے فائنٹیون کیا گیا ٹول نہیں ہے، بلکہ ایک بین الاختصاصی جامع تحقیقی خودکاری فریم ورک ہے۔ ریکرسیو نے اس بات کو ثابت کرنے کے لیے تین مختلف ٹیسٹ سیناریوز کا استعمال کیا۔

منظر ایک: مخصوص بجٹ کے تحت چھوٹے ماڈل کی تربیت (NanoChat Autoresearch)

یہ بینچ مارک کے اصول اینڈری جی کارپاتھی (GPT-2 کے مصنف، سابق OpenAI کے سہ مانیگر) کے autoresearch پروجیکٹ سے لیے گئے ہیں: ایک GPU پر، دی گئی پانچ منٹ کی مخصوص ٹریننگ بجٹ کے تحت، ایک چھوٹے زبانی ماڈل کو کم سے کم تصدیقی نقصان (BPB کے ساتھ پیمانہ، جتنا کم بہتر) تک تربیت دیں۔

یہ منظر خودکار تحقیق کے لیے مثالی ہے: تجربات کا دورانیہ مختصر، اشاریوں کی متغیرت کم، اور دھوکہ دہی کا پتہ لگانا نسبتاً آسان ہے۔ اسی لیے، ایک "autoresearch@home" نامی کمیونٹی منصوبہ طویل عرصے سے اس بنچ مارک پر چل رہا ہے — دہوں ہاں انسانی تحقیق کاروں اور سینکڑوں AI ایجینٹس مل کر مستقل طور پر اشاریوں کو کم کرتے رہے ہیں۔

ریکرسیو کا سسٹم ایک ہی ابتدائی کوڈ سے شروع ہو کر، تصدیق BPB کو برادری کے بہترین 0.9372 سے بہتر کرکے 0.9109 تک لے گیا، جس میں 0.0263 BPB کا بہتری ہوئی۔ دوسرے الفاظ میں: اسی تربیت کی معیار کے ساتھ، ریکرسیو کا حل صرف اپنے مقابلے کے 1.3 گنا کم تربیتی وقت کے ساتھ حاصل کیا جا سکتا ہے۔

سسٹم کی طرف سے دریافت کی گئی بہتریاں ایک منفرد حل نہیں ہیں۔ یہ تعمیر میں تبدیلیاں، مددگار نقصان، توجہ کے Mechanism میں تبدیلیاں، آپٹیمائزر کا رویہ، وزن کمی کی شیڈولنگ، اور کمپائلر کی سیٹنگز سمیت کئی تبدیلیوں کا مجموعہ ہیں۔ اس میں سب سے اہم دریافت ایک زیادہ غنی مختصر سند کی یادداشت کا ہے: توجہ کے ویلیو پاتھ میں، بگرام (پڑوسی الفاظ کے جوڑے) اور ٹرigram (تین عنصر والے گروہ) کی معلومات کو ہیش ٹیبل کے ذریعے ایک ساتھ امبد کیا جاتا ہے، اور اسے سیکھنے والے گیٹنگ وزن کے ساتھ ملا کر استعمال کیا جاتا ہے۔ مختلف ٹرانسفارمر لیئرز مختلف ہیش فنکشنز استعمال کرتے ہیں، جس سے لیئرز کے درمیان دوبارہ تصادم کا احتمال کم ہو جاتا ہے۔

یہ ٹرک DeepSeek Engram جیسے کاموں سے تصوراتی طور پر متعلق ہے، لیکن سسٹم نے اسے ایک ایسے خاص ورژن کے طور پر مقررہ بجٹ کے سیناریو میں لاگو کیا ہے جو اب تک علیحدہ ادب میں نہیں دیکھا گیا۔

منظر دو: تربیت کی رفتار کا انتہائی مقابلہ (NanoGPT Speedrun)

اگر پچھلا منظر ایک سرگرم کمیونٹی کی کامیابی پر مزید ترقی کا نتیجہ ہے، تو یہ منظر کہیں زیادہ مشکل ہے۔

نانو جی پی ٹی اسپیڈ رن ایک اور بنچ مارک ہے جسے کارپاتھی نے شروع کیا اور کمیونٹی نے دو سال سے زیادہ عرصہ تک بہتر بنایا ہے: 8 H100 GPU پر GPT ماڈل کو تصدیق کی نقصان 3.28 تک تربیت دینے کا سب سے کم وقت۔ 2024 کے وسط سے، کمیونٹی نے 83 درج شدہ تعاونوں کے ذریعے وقت کو تقریباً 45 منٹ سے 79.7 سیکنڈ تک کم کر دیا ہے۔ ہر نئی منصوبہ کو بہت زیادہ بہترین کوڈ پر مزید وقت نکالنا پڑتا ہے، جس کی مشکل کا اندازہ لگانا آسان نہیں۔

ریکرسیو کا سسٹم موجودہ بہترین حل سے شروع کرتے ہوئے، تربیت کے وقت کو 77.5 سیکنڈ تک کم کر دیا، جس سے 2.2 سیکنڈ بچ گئے۔ یہ ترقی حالیہ انسانی شرکاء کی جانب سے حاصل کی جانے والی بہتری کے برابر یا اس سے بہتر ہے۔

اس بار سسٹم نے درج ذیل بنیادی ٹرکس تلاش کیے:

FP8 دقت کے ساتھ توجہ کی حسابگری۔ کمیونٹی کا حل صرف ماڈل کے آخری لیئر (زبانی ماڈل ہیڈ) میں FP8 (8 بٹ فلوٹنگ پوائنٹ) کی حسابگری استعمال کرتا ہے، جبکہ سسٹم FP8 کو توجہ لیئرز کے میٹرکس آپریشنز تک وسیع کرتا ہے، فارورڈ پروپیگیشن میں FP8 کا استعمال کرکے ٹینسر کور کی ٹھوکر دوگنا کی جاتی ہے، اور بیک ورڈ پروپیگیشن میں استحکام برقرار رکھنے کے لیے BF16 برقرار رکھا جاتا ہے۔

آپٹیمائزر میں اینیلنگ ایکسپلوریشن نویز۔ سسٹم نے نورمیون آپٹیمائزر کے اپڈیٹ اسٹیپ میں صفر اوسط والی گاوسین نویز شامل کی ہے، جس کا امپلیٹیوڈ ٹریننگ کے ساتھ لینیئر طور پر صفر تک کم ہوتا جاتا ہے۔ یہ آپٹیمائزر کو ایک "پہلے جرات سے تلاش کریں، پھر مستحکم طور پر ایک جگہ پر آ جائیں" کا رویہ دیتا ہے، جس سے حتمی حل ایک زیادہ س平坦 نقصان کے بیسن میں گھل جاتا ہے۔

MLP کرنل کو مزید مختصر بنایا گیا۔ سسٹم نے ایک ٹریٹن GPU کرنل دوبارہ لکھا ہے جس میں فارورڈ پروپیگیشن صرف ReLU کے مربع شدہ ایکٹیویشنز کو محفوظ کرتا ہے، اور بیک ورڈ پروپیگیشن کے دوران کرنل کے اندر مربع نہ ہونے والے درمیانی نتائج کو دوبارہ حساب کیا جاتا ہے، جس سے ایک مکمل ایکٹیویشن ٹینسر کو ہائی بینڈ وِڈتھ میموری میں پڑھنے اور لکھنے کا ایک سفر ختم ہو جاتا ہے — جو ہارڈ ویئر لیول پر براہ راست تیزی لاتا ہے۔

تین بہتریاں، جو درستگی کی حکمت عملی، آپٹیمائزر ڈیزائن اور GPU کرنل پروگرامنگ کے تین مختلف پیشہ ورانہ شعبوں سے متعلق ہیں۔ دو سال کے کمیونٹی آپٹیمائزیشن کے نتائج کے بعد بھی سسٹم میں جگہ مل گئی، جو خود بخود مسئلہ کو ظاہر کرتی ہے۔

منظر تین: GPU کور آپٹیمائزیشن (SOL-ExecBench)

پہلے دو سناریوز مدل تربیت کے لیول پر کام کرتے ہیں، جبکہ تیسرا سناریو زیادہ بنیادی سطح پر: GPU کمپوٹنگ کرنل کے آپٹیمائزیشن تک جاتا ہے۔

SOL-ExecBench ایک نیوڈیا متعارف کرائی گئی بنچ مارک ہے جس میں 235 کرنل لکھے گئے کام شامل ہیں جو میٹرکس ضرب، ریڈکشن، نارملائزیشن لیئرز، توجہ کے کمپوننٹس، کوانتائزیشن روتینز، فیوڈ بلوکس سمیت متعدد حقیقی ورک لودز کو کور کرتے ہیں۔ اسکورنگ معیار SOL اسکور ہے: 0.5 بنچ مارک PyTorch ایمپلیمنٹیشن کے برابر ہے اور 1.0 ہارڈویئر کے نظریہ حد تک کے برابر ہے۔ پہلے کا بہترین علنا شدہ اسکور 0.699 تھا۔

ریکرسیو سسٹم 235 کورز پر مکمل طور پر چل رہا ہے، جو دریافت شدہ آپٹیمائزیشن پیٹرنز (جیسے میموری موونگ اسٹریٹیجیز، بلاکنگ طریقے، ریڈکشن ٹیکنیکس) کو ٹاسکس کے درمیان دوبارہ استعمال کرنے کی اجازت دیتا ہے، جس سے آخری اسکور 0.754 تک بڑھ گیا اور ہارڈویئر کی حد تک کا فرق 18% تک کم ہو گیا۔

یہ منظر خاص ہے کیونکہ کرنل انجینئرنگ انتہائی ماہرانہ شعبہ ہے — دنیا بھر میں موثر Triton/CUDA کرنلز لکھنے والے انجینئرز نایاب ہیں۔ ریکرسیو ٹیم نے اپنے بلاگ میں اعتراف کیا کہ وہ خود کرنل کے شعبے کے ماہر نہیں ہیں، "یہ خیالات نظام سے آئے ہیں، نہ کہ ہمارے پیشہ ورانہ پس منظر سے۔"

اس کام کو جاری کرنے والی کمپنی Recursive Superintelligence 2025 کے آخر اور 2026 کے شروع میں قائم ہوئی، جس نے پچھلے ماہ اپنی پوشیدہ حیثیت ختم کی، اور اس کے بنیادی رکن میں سابقہ Meta FAIR ریسرچ سائنسٹ ڈائریکٹر تین یوانڈونگ کے علاوہ درج ذیل بھی شامل ہیں:

رچرڈ سوکر، ریکرسیو کے سی ای او، سابق سیلز فورس کے سربراہ سائنسدان

الیکسی دوسووتسکی، سابق گوگل ڈیپ مائنڈ تحقیقی سائنسدان اور ویژن ٹرانسفارمر کے پہلے مصنف، جن کے گوگل اکیڈمی پر 160,000 سے زائد حوالہ جات ہیں

ٹم راکٹشل، سابق ڈیپ مائنڈ پرنسپل سائنسدان اور یو سی ایل کے ای آئی پروفیسر

پیٹر نورویگ، گوگل کے سابق ڈائریکٹر ریسرچ، نے اسٹیورٹ رسل کے ساتھ AI کے شعبے کی مشہور تعلیمی کتاب "آرٹیفیشل انٹیلی جنس: ا مڈرن ایپروچ" لکھی ہے

کیمینگ شیونگ، سابق Salesforce AI وائس پریزیڈنٹ

ٹم شی، سابقہ OpenAI ریسرچر، کاروباری AI کمپنی Cresta کے ملکہ اور CTO

جوش ٹوبن، ریکرسیو کے سیٹی او، سابق OpenAI اور Uber ATG کے تحقیقی ہدایت کار

جیف کلائن، سابق گوگل ڈیپمائن ریسرچ وائس پریزیڈنٹ، کینیڈا کے برٹش کولمبیا یونیورسٹی کے کمپیوٹر سائنس کے پروفیسر

اور اس سٹارٹ اپ نے صرف ایک نمائش کے ساتھ، ابھی تک کوئی عوامی مصنوعہ نہ ہونے کے باوجود، 6.5 ارب ڈالر کی فنانس حاصل کر لی، جس کی قیمت 46.5 ارب ڈالر ہے، جس کی قیادت GV (گوگل وینچرز) اور Greycroft نے کی، جبکہ NVIDIA اور AMD Ventures نے ساتھ دیا۔

کمپنی کا مرکزی دعویٰ اس کے نام سے ب без تعلق ہے: ایک ایسا AI سسٹم تعمیر کرنا جو اپنی تحقیقی صلاحیتوں کو ریکرسیو طور پر بڑھا سکے، جس میں AI AI کے ترقی کے عمل میں شامل ہو اور اسے تیز کرے، جس سے مستقل خود بہتری کا حلقہ تشکیل پائے۔

مزید تفصیلات کے لیے، رپورٹ "Meta چھوڑنے کے بعد، تیان یوانڈونگ نے ابھی کاروبار شروع کرنے کا اعلان کیا ہے" دیکھیں۔

بالکل، ریکرسیو صرف اس راستے پر اکیلا نہیں ہے۔ یان لیکن کے AMI Labs نے اس سال مارچ میں 10 ارب ڈالر کی فنڈنگ حاصل کی، اور دیوڈ سلور کے Ineffable Intelligence نے اپریل میں 11 ارب ڈالر کی سیڈ راؤنڈ حاصل کی، جو دونوں اسی سمت کی طرف اشارہ کرتے ہیں: AI سسٹمز کو خودکار طور پر علم تخلیق کرنے کی صلاحیت دینا اور تحقیقی عمل میں انسانی مداخلت کو کم کرنا۔ لیکن عوامی نتائج کے تناظر میں، ریکرسیو کا یہ "پہلا قدم" اب تک اس قسم کی کمپنیوں میں سب سے زیادہ واضح اور دوبارہ قابل تکرار ٹیکنالوجی کا مظاہرہ ہے۔

ریکرسیو نے جو نتیجہ جاری کیا ہے، وہ صنعت کے زیادہ وسیع پیمانے پر، ایک نئے AI ریسرچ کے طریقہ کار کی ابتدائی انجام دہی کو ظاہر کرتا ہے: جس میں AI سسٹم خود ریسرچ کا مرکزی کردار ادا کرتا ہے۔

اس "Recursive AI" کا بنیادی منطق پیچیدہ نہیں ہے: AI AI کے تحقیقی صلاحیتوں کو بڑھاتا ہے، بہتر شدہ AI دوبارہ اپنے آپ کو زیادہ مؤثر طریقے سے بڑھاتا ہے، اور یہ چکر جاری رہتا ہے۔ یہ کسی ایک منفرد کامیابی پر انحصار نہیں کرتا، بلکہ مستقل کامیابیاں پیدا کرنے والے نظام پر انحصار کرتا ہے۔

یہ سوچ AI تحقیق کی مالیات کے لیے اہم ہے۔ ابھی تک، سب سے آگے کے ماڈلز کی تربیت کا عمل صرف کچھ خاص مہارت رکھنے والے محققین پر منحصر ہے، اور اس کام کو کرنے والا عالمی سطح پر کچھ ہزار افراد سے زیادہ نہیں ہیں۔ اگر خودکار تحقیقی نظام ان میں سے صرف کچھ حصہ سنبھال لے تو AI کی ترقی کی رفتار اور لاگت کا منحنی تبدیل ہو جائے گا۔

یہ جائزہ صنعت کے حالیہ دیگر اظہاروں کے ساتھ بھی مطابقت رکھتا ہے۔ مثلاً، مضمون کے آغاز میں ذکر کیے گئے Anthropic کے مضمون "When AI Builds Itself" کا لہجہ آسان نہیں ہے — یہ صنعت کو متفقہ کارروائی کی درخواست کرتا ہے تاکہ جب ریکرسیو خود بہتری کا وقت آئے، تو وہ اعلیٰ AI ترقی کو روکنے یا عارضی طور پر روکنے کا آپشن رکھ سکے، تاکہ سماجی ڈھانچے اور مطابقت تحقیق کے لیے وقت مل سکے۔ مزید تفصیلات کے لیے "AI خود بہتر ہو رہا ہے، Anthropic عالمی ترقی روکنے کی درخواست کر رہا ہے" پڑھیں۔

https://www.anthropic.com/institute/recursive-self-improvement

دو چیزیں ایک ساتھ ہو رہی ہیں، جو دلچسپ ہے۔ ایک طرف اینتھروپک یہ راستہ ریکارڈ کر رہا ہے اور اس کے رجحان کی نشاندہی کر رہا ہے، دوسری طرف ریکرسیو جیسی ٹیمیں اس راستے کو آہستہ آہستہ حقیقت میں تبدیل کر رہی ہیں۔

بالکل، ریکرسیو خود بھی تسلیم کرتا ہے کہ یہ ابھی صرف "پہلا قدم" ہے: موجودہ سسٹم وہاں سب سے بہتر کام کرتا ہے جہاں اشارے واضح، فیڈ بیک تیز اور دھوکہ دہی کا پتہ لگایا جا سکے، لیکن خودکار طور پر کھلے سائنسی مسائل کو آگے بڑھانے تک اب بھی کافی فاصلہ ہے۔ دھوکہ دہی کے انعامات کو روکنا مقیاسیت کے راستے پر مستقل سامنا کرنے والا مرکزی چیلنج رہے گا۔

لیکن ایک بند حلقة شروع ہو چکا ہے۔ اگلی سوال صرف اس کی تیزی ہے۔

یہ مضمون ویچن گروپ "机器之心" (ID: almosthuman2014) سے ہے، مصنف:递归进化中的机器之心، ایڈیٹر: Panda